随着科技的不断进步，人民收入的持续提高，汽车在我们的生活中越来越普及，这在提供了便利生活的同时，也带来了很多的交通问题。尤其近十多年来，无论是发达国家还是发展中国家，都不同程度地受到交通问题的困扰。如何保障公路交通的安全和提高运输效率，各国都将智能交通系统作为了一个研究的重点。　　 自然场景下的交通标志识别问题，由于道路背景的复杂，以及光照、视角等因素的影响，成为了智能交通系统研究中的一个难点。进行交通标志识别研究的目的是希望构建一个自动的系统，能够对车载摄像头拍到的含有交通标志的视频进行处理，从视频中提取出交通标志的区域，对其进行跟踪，并将跟踪、识别的结果反馈给车辆驾驶人员，提醒驾驶员及时处理各种路面信息。系统能够比较精确的对尺度、旋转、视角、光照的变化以及遮挡等情况下的交通标志进行检测与识别，并且具有实时性，能够在驾驶过程中同步识别。　　 本文在交通标志的检测和识别方面做了以下的一些研究：　　 (1)交通标志的检测。提出一种颜色特征与形状特征相结合的检测方法。由于进行空间转换时计算量比较大，不利于系统的实时性，因此本文中的系统选择在直接RGB空间基于颜色特征进行检测，对于分割后的背景，噪声等干扰，基于形状特征再检测去除，得到了一个比较精确的感兴趣区域，用于后续的跟踪与识别。　　 (2)交通标志的跟踪与识别。文中使用特征匹配算法进行跟踪与识别，介绍了常用的特征提取算法以及跟踪算法，比较了常用的特征提取算法如：Harris、SIFT、ASIFT算法的原理、优劣性及适用范围，以大量实验对对比结果进行了论证。对ASIFT的实时性能进行改进，采用并行实现的方法，并且注意到交通标志识别中的实际情况，经过检测后的交通标志区域面积比较小，由此提出高斯金字塔层数的方法来降低其计算复杂度，减少计算耗时。改进后的ASIFT算法在实时程度上有所提高，可以满足视频图像的实时处理要求。　　 在上述基础上，基于改进后的ASIFT算法完成了一个交通标志检测与跟踪识别的系统，经过实验论证，在不同尺度、光照、遮挡的条件下均可达到较好的识别效果，检测及识别的成功率都比较高。